[发明专利]一种视频图像序列中运动目标的检出与异常行为分析算法

摘要

本发明公开了一种视频图像序列中运动目标的检出与异常行为分析算法，该视频图像序列中运动目标的检出与异常行为分析算法具体步骤如下：S1：通过结合均值法初始化混合高斯背景模型、为前景像素数添加计数器和对前景区域再处理；S2：利用S1中改进的背景减除法检出目标物体；S3：应用局部二值模式(Local Binary Pattern，LBP)算子计算运动目标的LBP特征谱；S4：对S3中获得的视频图像序列中运动目标的纹理特征和运动信息进行统计，获得运动目标的局部运动特征；S5：将获得的纹理特征和运动特征表示成结构化信息，对神经网络分类器进行训练、学习，应用训练收敛后的分类器对捕捉到的运动目标的运动行为进行识别。

主权项

一种视频图像序列中运动目标的检出与异常行为分析算法，其特征在于：该视频图像序列中运动目标的检出与异常行为分析算法具体步骤如下：S1：通过结合均值法初始化混合高斯背景模型、为前景像素数添加计数器和对前景区域再处理,消除传统混合高斯模型在光线突变时产生误检的现象；S2：利用S1中改进的背景减除法检出目标物体，针对帧间差分法在提取运动目标时出现检测目标不完整、容易出现空洞的现象，把使用三帧差分法和改进的背景减除法检出的结果做融合运算得到感兴趣的目标物体；S3：应用局部二值模式(Local Binary Pattern，LBP)算子计算运动目标的LBP特征谱，使用K‑means聚类的方法生成反映兴趣目标运动行为的纹理特征值。分析运动目标运动的姿势、速度和方向，针对目标运动过程中行为动作的特点，提取运动目标外接矩形宽高比、运动目标的运动速度、运动方向、目标物体的质心和轮廓特征等运动特征；S4：对S3中获得的视频图像序列中运动目标的纹理特征和运动信息进行统计，获得运动目标的局部运动特征，设定异常行为判定阈值；S5：将获得的纹理特征和运动特征表示成结构化信息，对神经网络分类器进行训练、学习，应用训练收敛后的分类器对捕捉到的运动目标的运动行为进行识别。